基于顾客需求管理先验知识本体的数据挖掘改进方法研究

以顾客价值需求及行为理论为顾客需求管理领域的先验性知识,提出一种基于领域先验知识本体的需求数据挖掘改进方法,包括建立顾客需求领域本体和任务本体、引入本体进行挖掘的数据空间组织、挖掘算法选择及约束条件设置,并以移动服务为背景,给出该方法的应用示例及对管理决策的支持。     

基于增量数据库关联规则挖掘算法研究

近年来数据生成和收集技术的发展使得面向科研、管理等领域的数据集十分庞大,从而对海量数据集进行的信息提取变得更加迫切。文章对数据挖掘的概念及所要达到的目标进行剖析,对增量数据库关联规则挖掘算法进行研究,通过举例对数据库关联规则挖掘算法的实际应用进行了分析。     

基于网格分布式关联规则挖掘系统模型与算法研究

在现有的网格和数据挖掘技术基础上,研究OGSA面向服务的体系结构,建立了网格平台下的分布式数据挖掘系统模型。基于该模型。对经典关联规则算法FP—tree算法作了改进,提出分布式频繁模式挖掘算法,并对该模型和算法进行了分析、测试、和评估。     

一种多层安全相关属性标定偏好数据挖掘模型

提出了一种多层安全相关属性标定的偏好数据挖掘模型。通过多层安全偏好数据挖掘模型的建立,实现了挖掘数据的准确性与安全性。使用多层安全数据挖掘模型决策算法,通过决策算法来寻找精准的数据,根据分析数据与决策数据的合理分析来建立一种偏好数据挖掘模型的过程。仿真实验表明,多层安全相关属性标定的偏好数据挖掘模型,提高了计算数据的准确率,使计算出的偏好数据更为精确,与此同时大大提升了选择数据的安全性能。     

面向产业集群的数据挖掘推荐系统研究与设计

针对产业集群特点,面向数据检索要求,对数据挖掘推荐系统需求进行分析,研究数据挖掘推荐系统相关技术和算法,设计系统功能模块架构,研究分析处理流程,构建数据挖掘推荐系统,实现产业集群信息的智能化挖掘推荐服务。产业集群数据挖掘推荐系统具有用户需求信息挖掘推荐、相关服务信息挖掘、潜在协作伙伴挖掘推荐及科技成果动态感知等功能,能为用户推送更多有价值的信息,便于用户发现协作伙伴和潜在客户,促进产业集群和集群企业的协同创新发展。     

基于链距离估计的非显著特征数据挖掘算法

在软件故障测试和数据库访问中,对非显著特征数据的挖掘是难点,通过对非显著特征数据的挖掘,处理数据分布比较稀疏且呈现模式分布不规则的数据访问问题。提出一种基于链距离估计的非显著特征数据挖掘算法,在时域上对链距离估计模型进行平移处理,给出非显著特征数据的离群因子概念,提取关联度主特征量,基于链距离估计结果,得到有效特征挖掘概率密度值,实现对非显著特征数据挖掘算法改进。仿真实验表明,该算法使得无论是不同密度的点簇相互靠近还是出现模式偏离的情况,都能有效的挖掘出非显著特征点,从而增强了数据挖掘算法的有效性和通用性,采用该法能有效提高非显著特征数据的挖掘性能,数据挖掘的命中率较高,在数据库访问和软件故障测试等领域具有应用价值。     

内容中心网络移动终端数据优化挖掘模型仿真

内容中心网络中,Internet用户通常更加关心移动终端的数据内容,需要对此进行有效挖掘,传统的内容中心网络移动终端数据挖掘模型采用关联性辅助挖掘算法,由于内容中心网络的数据之间的关联性是自反的和传递的,导致挖掘效果不好。提出一种基于压缩频谱联合特征识别的内容中心网络移动终端数据优化挖掘模型。构建网络模型和数据挖掘结构模型,进行移动终端数据提取预处理,该内容块被划分成多个分片,把特征数据并行化地存储到不同的存储服务器中,实现对移动终端数据的压缩频谱联合特征识别,达到数据挖掘的目的。仿真实验表明,采用该模型进行数据挖掘,具有较大数据挖掘吞吐量,使得数据存储对象数目有明显提升,数据挖掘精度和收敛性能得到提高。     

基于半结构化分割的Web热点数据挖掘算法

随着大数据信息技术的发展,数据在线监测和数据挖掘成为计算机信息领域研究的热点。通过对Web热点数据分割挖掘,提高信息热点追踪和Web数据分类能力。传统算法采用非结构化数据挖掘算法,无法有效对Web热点数据进行准确定位和分层挖掘。提出一种基于半结构化分割的Web热点数据挖掘算法。采用半结构化数据进行特征分割,基于优秀基因位进行差分进化,使寻优曲线不断趋于平缓,在多个节点上并行的运行比较脚本,采用半结构化分割,使得Web热点特征挖掘实现自适应寻优,得到Web热点数据的分配因子,提高了挖掘性能。仿真结果表明,该算法获得了良好的效率和精度,提高了Web热点数据挖掘的自适应寻优能力。     

产品用户评论在企业竞争情报中的应用——基于产品特征的关联规则数据挖掘

在总结用户评论相关研究的基础上,提出关联规则理论在用户评论挖掘中的作用,包括可以用来挖掘产品的优劣势特征及其程度大小,以及挖掘影响产品整体评价的关键特征。提出了基于产品特征关联规则数据挖掘的企业竞争情报应用模型,包含确定用户评论情报源及其采集、数据预处理及其产品特征提取、数据结构化处理及其关联规则分析和产品优劣势特征及其关键特征的对比分析四个模块。最后通过实验论证了这一模型的价值。     

基于SOM聚类的电网可视化数据挖掘模型

面对电力系统中海量的多维数据,传统的可视化数据挖掘无法满足空间数据处理的需要,多维数据可视化也不利于用户获取知识。因此提出了基于SOM(自组织特征映射网络)聚类的电网可视化数据挖掘新模型VSDMmodel,模型利用改进的SOM聚类算法对高维电网数据进行降维,提出一种基于颜色映射的可视化方法,对聚类结果进行低维展现,加快了用户对挖掘结果的理解,并且允许用户对结果中感兴趣的区域加以深入分析,实现对电力系统海量数据的可视化挖掘。     

基于数据挖掘的图书馆用户行为分析与偏好研究

Web挖掘和书目挖掘是数据挖掘技术在图书馆用户行为分析的理论基础。在分析图书馆用户行为构成与获取的基础上,利用数据挖掘技术建立了图书馆用户行为模型。通过这些模型可以有效地提高图书馆面向用户的个性化服务水平。     

知识基因理论新进展

本文简述了知识基因理论最新发展动态，提出了知识三体理论、科学发展模型以及知识基因理论在知识发现和数据挖掘中的应用。     

流数据聚类研究综述

流数据挖掘技术是数据挖掘领域的新研究方向之一,而聚类研究又是其重要的内容。本文介绍了流数据基本特点,在统一流聚类表示模型的基础上,对现有流数据聚类算法进行了总结,并进一步提出了流数据聚类技术的研究方向和前景。     

矿业发展周期理论与中国矿业发展趋势

矿业是国民经济的重要组成部分,矿业发展理论是科学判断矿业发展趋势的重要理论支撑。本文以产业经济学理论为指导,提出了资源禀赋和矿产资源需求两大影响矿业发展的主要因素。分析了百年来全球矿业发展历史,并将全球矿业发展历史划分为缓慢发展期（1900-1945年）、黄金发展期（1946-1972年）、矿业低迷期（1973-1994年）、矿业繁荣期（1995-2008年）和矿业平台期（2009-至今）五个阶段。本文提出了理想状态下的矿业发展周期模型,揭示了经济发展与资源供需、资源价格和矿业发展的内在关系,认为一国的矿业发展一般经历萌芽、发展、转折和衰退4个时期;并通过分析澳大利亚、美国和英国等不同资源禀赋的发达国家矿业发展历史,总结了矿业发展的3种模式：“澳加”型矿业模式、“美德”型矿业模式、“英日”型矿业模式。最后,结合中国资源禀赋与经济发展特点,分析了中国矿业发展趋势,认为中国矿业正处于重大转折期,2020年后中国矿业将全面进入衰退期。     

基于粗糙集的钢结构缺陷检测的研究

租糙集理论作为一种处理不完备信息的有利工具,巳广泛应用于人工智能的许多领域,特别是数据挖掘和知识发现领域.文章将基于粗糙集理论的数据挖掘技术应用于钢结构缺陷模式识别的知识发现,在智能诊断的知识自动获取方面取得了较好的效果.     

基于PMML的电子商务数据挖掘研究

随着互联网技术的发展,电子商务进入了海量数据时代,从这些海量数据里挖掘出有用的模式具有非常高的商业价值。常规的数据挖掘模型会依赖于特定的数据挖掘平台,而目前的数据挖掘平台并不能做到随时随地跨平台交换数据挖掘模型。文章提出基于PMML的电子商务数据挖掘方法,只要数据挖掘平台兼容了PMML规范就可以真正做到跨台平交换数据挖掘模型。文章重点研究了PMML语言是如何表示完整数据挖掘模型,并就某电商平台挖掘潜在客户的数据进行实验并分析实验结果,从而验证了方案的有效性。     

数据挖掘算法的分析与研究

本文对数据挖掘的基本理论进行了分析研究,总结了数据挖掘的基本步骤,归纳了数据挖掘的基本方法,并在此基础上,提出了用数据挖掘进行数据分析的通用策略。     

数据挖掘技术及其应用

数据挖掘是数据库研究中一个很有应用价值的课题,它融合了数据库、人工智能、机器学习等多个领域的理论和技术.本文介绍了数据挖掘的定义、功能、常用技术、数据挖掘过程,以及数据挖掘的应用.     

数据挖掘在知识管理中的应用

数据挖掘是数据库和信息决策领域的一个理论前沿,是知识发现的核心部分。本文从数据挖掘的基本概念入手,介绍了数据挖掘常用的技术和方法,在此基础上,对数据挖掘技术在知识管理中的应用作了深入的论述。     

一种基于库存理论的图书订购策略

提出了一种新的基于数据挖掘技术和存储理论的图书订购策略,该策略主要思想是先利用数据挖掘技术对图书馆系统的日志文件进行分析,得到学生比较感兴趣的图书种类,然后针对这些图书应用库存理论进行分析,得到最佳的订购策略,最后用实例说明了该订购策略的有效性。